Oracle 宣布限量发布 Oracle 云基础设施远程软件服务(Oracle Cloud Infrastructure, OCI) 生成式 AI 服务。全新的生成式 AI 服务可支持大型语言模型 (LLM),帮助组织实现端到端业务流程自动化,改善决策和客户体验,同时还能保护数据安全和隐私。
OCI Generative AI 服务是一个由 OCI 与知名企业 AI 平台 Cohere 合作构建的托管服务,可帮助用户通过可用的 API 将 LLM 集成到自己的应用中。待正式发布后,此服务和 Cohere 模型可与 AI Vector Search 无缝运行。AI Vector Search 是 Oracle Database 23c 的一项功能,可提供检索增强生成 (RAG) 技术。这是一种生成式 AI 技术,可将预训练的 LLM 和专有业务数据相结合,从而提高响应的准确性。此服务还将为嵌入到 Oracle SaaS 应用套件中的生成式 AI 功能奠定基础,其中包括 Oracle Fusion Cloud Applications Suite、Oracle NetSuite 和 Oracle Cerner 等行业应用。
Oracle Cloud Infrastructure 执行副总裁 Clay Magouyrk 表示:“Oracle 的行业知识使我们能够为组织创建生成式 AI 服务,以实现流程自动化、做出更明智的决策并改善客户体验。通过 Oracle 与 Cohere 的合作,客户能够轻松、安全地将生成式 AI 嵌入到其技术堆栈中,并相信我们的解决方案能够符合他们严苛的数据安全和隐私要求。这一方法有助于组织使用自己的数据来优化这些模型,打造可满足内部运营需求的模型。”
OCI 拥有低成本、安全且快速的 AI 基础设施,客户可以以托管服务的方式将 Cohere 的模型用于企业用例。OCI Generative AI 服务的客户可在 Oracle 的 AI Supercluster 架构上的专用基础设施中运行工作负载,从而自主控制特定成本和吞吐量需求,比如使用自己的数据来进行模型优化,或者是部署定制模型。
全新的 OCI Generative AI 服务包含以下模型:
Cohere 总裁兼首席运营官 Martin Kon 表示:“Oracle 和 Cohere 的企业 AI 产品以数据安全、模型定制和低延迟为中心,助力企业快速、经济高效且负责任地部署有意义的 AI 技术。我们正与 Oracle 密切合作,采用数据安全和隐私优先的策略,让企业能够利用 AI 来赋能业务。”
Altair 首席技术官 Sam Mahalingam 表示:“Oracle 是 Altair 重要的合作伙伴。Altair 专注于计算科学和人工智能,在 Oracle 强有力的支持下,Altair 已开始将大型语言模型整合到我们的解决方案中。我们相信,生成式 AI 将改变我们的工作方式。例如,客户以自然语言描述想要的结果,然后 LLM 就会自动生成解决方案。在数据分析中,客户不再需要为机器学习编写代码,只需要提出预测需求即可。在工程设计中,客户则可以描述产品属性,由模型来完成设计工作。生成式 AI 的使用场景无所不在。”
除了推出 OCI Generative AI 服务,Oracle AI 也将继续在多个限量发布计划中为现有服务添加增强功能,其中包括:
Wikibon 高级分析师 Marc Staimer 表示:“OCI Generative AI 服务是一款全新的生成式 AI 云技术服务,可提供企业级安全性、灵活性和用户调优功能,满足市场需求。该服务提供严格的安全和治理来保护用户的专有数据,也能够确保仅让客户使用和查看该模型。同样重要的是,客户可以控制专用的 OCI Supercluster AI 基础设施,对模型进行微调或部署定制模型,同时还能满足特定的成本和吞吐量需求。OCI Generative AI 服务是企业功能和成本性能的理想组合。”
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。